CN116012611A - 路产检测方法及载具 - Google Patents
路产检测方法及载具 Download PDFInfo
- Publication number
- CN116012611A CN116012611A CN202211692038.0A CN202211692038A CN116012611A CN 116012611 A CN116012611 A CN 116012611A CN 202211692038 A CN202211692038 A CN 202211692038A CN 116012611 A CN116012611 A CN 116012611A
- Authority
- CN
- China
- Prior art keywords
- road
- detected
- production
- picture information
- product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种路产检测方法及载具,用以解决路产检测效率较低的技术问题。其中,一种路产检测方案,利用摄像机对路产状况进行画面拍摄,并对拍摄的画面进行检测。并且在待检测环境中确定满足匹配条件的第一路产对象,与当前画面信息中的待检测路产对象进行相似度计算,判定第一路产对象是否需要养护。在不使用激光雷达、毫米波雷达等测量技术手段的基础上,以一种较低的实施成本实现检测道路病害这样高频的规模性应用。
Description
技术领域
本申请涉及道路交通技术领域,尤其涉及一种路产检测方法及载具。
背景技术
路产包括公路、公路用地和公路设施,例如路面、绿化带、隔离带、界碑、检测设施、监控设施、标志牌、路灯等。
在人为因素或自然因素的作用下,路产容易发生损坏,进而影响道路的使用年限和行车安全。为保证路产能够正常使用,需要定期对路产情况进行巡检。将异常的路产位置、路产类型及时通知养护部门进行养护。
在实现现有技术的过程中,发明人发现:
长期以来,路产检测一直采用人工现场调查方法。由工作人员发现异常路产,再核对路产类型、路产位置,将异常的路产状况记录在册。这样的现场调查方法检测效率较低。
因此,需要提供一种新的路产检测方案,用以解决路产检测效率较低的技术问题。
发明内容
本申请实施例提供一种新的路产检测方案,用以解决路产检测效率较低的技术问题。
具体的,一种路产检测方法,包括以下步骤:
获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象;
获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象;
至少根据第一路产对象、第二路产对象,生成待检测环境;
获取检测点坐标信息与移动方向;
根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向;
根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象;
当检测点的坐标信息满足检测条件,获取当前画面信息;
识别当前画面信息中的待检测路产对象;
计算待检测路产对象与第一路产对象的相似度,生成相似度结果;
当相似度结果小于预设阈值,判定第一路产对象需养护。
进一步的,所述计算待检测路产对象与第一路产对象的相似度,生成相似度结果,具体包括:
获取待检测路产对象画面信息;
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为相似度结果。
进一步的,所述计算待检测路产对象与第一路产对象的相似度,生成相似度结果,还包括:
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为第一相似度结果;
根据待检测路产对象画面信息,识别待检测路产对象类型;
根据第一路产画面信息,识别第一路产对象类型;
计算待检测路产对象类型与第一路产对象类型的匹配度,作为第二相似度结果;
以预设权重占比计算第一相似度结果、第二相似度结果的总和,得到综合相似度结果。
进一步的,所述方法还包括:
当未识别出当前画面信息中的待检测路产对象,判定第一路产对象需养护。
进一步的,所述画面信息由在路面移动的摄像机拍摄;
所述摄像机为单目相机。
本申请实施例还提供一种路产检测载具。
具体的,一种路产检测载具,包括:
预设模块,用于获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象;还用于获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象;还用于至少根据第一路产对象、第二路产对象,生成待检测环境;
检测模块,用于获取检测点坐标信息与移动方向;还用于根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向;还用于根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象;还用于当检测点的坐标信息满足检测条件,获取当前画面信息;还用于识别当前画面信息中的待检测路产对象;还用于计算待检测路产对象与第一路产对象的相似度,生成相似度结果;还用于当相似度结果小于预设阈值,判定第一路产对象需养护。
进一步的,检测模块用于计算待检测路产对象与第一路产对象的相似度,生成相似度结果,具体用于:
获取待检测路产对象画面信息;
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为相似度结果。
进一步的,检测模块还用于:
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为第一相似度结果;
根据待检测路产对象画面信息,识别待检测路产对象类型;
根据第一路产画面信息,识别第一路产对象类型;
计算待检测路产对象类型与第一路产对象类型的匹配度,作为第二相似度结果;
以预设权重占比计算第一相似度结果、第二相似度结果的总和,得到综合相似度结果。
进一步的,检测模块还用于:
当未识别出当前画面信息中的待检测路产对象,判定第一路产对象需养护。
进一步的,所述画面信息由在路面移动的路产检测载具拍摄;
所述检测模块至少包括单目相机;
所述路产检测载具为车或无人机。
本申请实施例提供的技术方案,至少具有如下有益效果:
利用摄像机对路产状况进行画面拍摄,并对拍摄的画面进行检测。并且在待检测环境中确定满足匹配条件的第一路产对象,与当前画面信息中的待检测路产对象进行相似度计算,判定第一路产对象是否需要养护。在不使用激光雷达、毫米波雷达等测量技术手段的基础上,以一种较低的实施成本实现检测道路病害这样高频的规模性应用。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种路产检测方法的流程框图;
图2为本申请实施例提供的一种路产检测载具的结构示意图。
100 路产检测载具
11 预设模块
12 检测模块。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参照图1,为解决路产检测效率较低的技术问题,本申请提供一种路产检测方法,利用摄像机对路产状况进行画面拍摄,并对拍摄的画面进行检测,从而提高了路产检测效率。
具体的,一种路产检测方法,包括以下步骤:
S110:获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象。
S120:获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象。
S130:至少根据第一路产对象、第二路产对象,生成待检测环境。
可以理解的是,所述第一路产对象、第二路产对象可以理解为是在道路建设之前就预先规划的存在。本领域技术人员可以理解的是,道路是遵循预先规划进行建设的,因此这类预设存在有明确的预设路产类型、预设路产画面、预设位置信息可供查阅。本申请将这类预先规划的存在称为路产对象。在具体的应用场景中,所述路产对象包括公路、公路用地和公路设施,例如路面、绿化带、隔离带、界碑、检测设施、监控设施、标志牌、路灯等。
当然,预先规划的存在具有多个,为便于描述,此处以第一路产对象、第二路产对象区分不同位置信息的预先规划存在,并不能视为对本申请的不当限定。
所述待检测环境与真实世界具有映射关系,至少记录预先规划存在的画面信息、位置信息。在具体的应用场景中,所述待检测环境可以表现为地图应用程序,至少记录不同位置信息的第一路产对象、第二路产对象。
进一步的,本申请也可以通过高精度采集技术,获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象;
获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象;
至少根据第一路产对象、第二路产对象,生成待检测环境。
当然,在多次路产检测的情况下,也可以将上次路产检测状态作为第一路产画面信息或第二路产画面信息。
S140:获取检测点坐标信息与移动方向。
S150:根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向。
S160:根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象。
S170:当检测点的坐标信息满足检测条件,获取当前画面信息。
S180:识别当前画面信息中的待检测路产对象。
所述检测点可以理解为检测对象。通常,路产对象分布于检测路径。检测对象在检测路径上移动,利用摄像机对路产状况进行画面拍摄,并对拍摄的画面进行检测,从而提高了路产检测效率。
在检测路径上移动的检测对象具有坐标信息与移动方向。检测点的坐标信息可以通过全球卫星导航系统(Global Navigation Satellite System,GNSS)或者光学雷达(Light Detection and Ranging,LIDAR)获取。而考虑到路产受损的时间随机、受损路产的位置随机,需要对路产进行持续跟踪、多次采集。如果使用高精度GNSS定位或高精度LIDAR定位,极高的使用成本显然不适用于路产检测这样高频的规模性应用。为降低使用成本,在本申请提供的一种优选实施方式中,采用标准精度的GNSS获取检测点坐标信息。并在此基础上,采用单目摄像机拍摄当前画面信息,从而进一步降低了本申请的实施成本。
需要再次指出的是,路产对象是一种预设存在,在检测路径上这样的预设存在非常多。而仅通过检测对象的坐标信息与移动方向难以判断任意路产对象是否为待检测路产对象。
为便于确定待检测路产对象,本申请利用待检测环境与真实世界的映射关系,通过根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向;进而根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象;当检测点的坐标信息满足检测条件,获取当前画面信息;识别当前画面信息中的待检测路产对象。
进一步的,所述匹配条件可以表现为,以检测对象在待检测环境中的坐标信息作端点,以检测对象在待检测环境中的移动方向作射线,距离该射线距离最近的路产对象为第一路产对象。
进一步的,所述检测条件可以表现为,当检测点的坐标信息相对第一路产对象的坐标信息满足入画距离,即检测点相对第一路产对象的距离为预先设置的拍摄范围,则启动摄像头进行拍摄,生成当前画面信息。
进一步的,本申请可采用预训练的AI识别当前画面信息中的待检测路产对象。
S190:计算待检测路产对象与第一路产对象的相似度,生成相似度结果。
S200:当相似度结果小于预设阈值,判定第一路产对象需养护。
可以理解的是,计算待检测路产对象与第一路产对象的相似度,实际上是比较画面中的待检测路产对象是否与预先规划的存在相同。如果不同,则意味着预先规划的存在已损坏,呈现为画面中的待检测路产对象。如果相同,则意味着预先规划的存在未被损坏,画面中的待检测路产对象与预先规划的存在呈现一致。
具体的,计算待检测路产对象与第一路产对象的相似度可以是计算待检测路产对象与第一路产对象的画面相似度,也可以是计算综合其他因素的相似度。
例如,在本申请提供的一种具体实施方式中,所述计算待检测路产对象与第一路产对象的相似度,生成相似度结果,具体包括:
获取待检测路产对象画面信息;
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为相似度结果。
在本申请提供的另一种具体实施方式中,所述计算待检测路产对象与第一路产对象的相似度,生成相似度结果,具体包括:
获取待检测路产对象画面信息;
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为第一相似度结果;
根据待检测路产对象画面信息,识别待检测路产对象类型;
根据第一路产画面信息,识别第一路产对象类型;
计算待检测路产对象类型与第一路产对象类型的匹配度,作为第二相似度结果;
以预设权重占比计算第一相似度结果、第二相似度结果的总和,得到综合相似度结果。
当然,当未识别出当前画面信息中的待检测路产对象,则意味着预先规划的存在消失,判定第一路产对象需养护。
下面介绍路产检测方法的具体实施过程:
首先,设置单目摄像机的路产检测载具进行路产巡检。通过标准精度GNSS获取路产检测载具在现实中的坐标信息和移动方向。
在高精地图应用程序(即待检测环境)中模拟当前路产检测载具的坐标信息、移动方向、拍摄范围。需要指出的是,所述高精地图应用程序至少记录着多个预设路产对象的现实坐标信息、多个预设路产对象的画面信息。
之后以路产检测载具在高精地图应用程序中的坐标信息作端点,以路产检测载具在高精地图应用程序中的移动方向作射线,确定距离该射线距离最近的预设路产对象为第一路产对象。则在所述高精地图应用程序中可获取第一路产对象的现实坐标信息。
当路产检测载具相对第一路产对象的距离为预先设置的拍摄范围,则启动摄像头进行拍摄,生成当前画面信息。
通过预训练的AI视觉捕获当前画面信息中的待检测路产对象。
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为第一相似度结果;
计算待检测路产对象类型与第一路产对象类型的匹配度,作为第二相似度结果;
以预设权重占比计算第一相似度结果、第二相似度结果的总和,得到综合相似度结果。
当相似度结果小于预设阈值,判定第一路产对象需养护。
当未识别出当前画面信息中的待检测路产对象,判定第一路产对象需养护。
综上所述,本申请提供的路产检测方法,利用摄像机对路产状况进行画面拍摄,并对拍摄的画面进行检测。并且在待检测环境中确定满足匹配条件的第一路产对象,与当前画面信息中的待检测路产对象进行相似度计算,判定第一路产对象是否需要养护。在不使用激光雷达、毫米波雷达等测量技术手段的基础上,以一种较低的实施成本实现检测道路病害这样高频的规模性应用。
请参照图2,为支持路产检测方法,本申请还提供一种路产检测载具100,包括:
预设模块11,用于获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象;还用于获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象;还用于至少根据第一路产对象、第二路产对象,生成待检测环境;
检测模块12,用于获取检测点坐标信息与移动方向;还用于根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向;还用于根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象;还用于当检测点的坐标信息满足检测条件,获取当前画面信息;还用于识别当前画面信息中的待检测路产对象;还用于计算待检测路产对象与第一路产对象的相似度,生成相似度结果;还用于当相似度结果小于预设阈值,判定第一路产对象需养护。
可以理解的是,所述路产检测载具100在具体的应用场景中表现为汽车或无人机。路产检测载具100利用摄像机对环境状况进行画面拍摄,并对拍摄的画面进行病害识别,从而提高了路产检测效率。
具体的,预设模块11获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象;获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象;至少根据第一路产对象、第二路产对象,生成待检测环境。
可以理解的是,所述第一路产对象、第二路产对象可以理解为是在道路建设之前就预先规划的存在。本领域技术人员可以理解的是,道路是遵循预先规划进行建设的,因此这类预设存在有明确的预设路产类型、预设路产画面、预设位置信息可供查阅。本申请将这类预先规划的存在称为路产对象。在具体的应用场景中,所述路产对象包括公路、公路用地和公路设施,例如路面、绿化带、隔离带、界碑、检测设施、监控设施、标志牌、路灯等。
当然,预先规划的存在具有多个,为便于描述,此处以第一路产对象、第二路产对象区分不同位置信息的预先规划存在,并不能视为对本申请的不当限定。
所述待检测环境与真实世界具有映射关系,至少记录预先规划存在的画面信息、位置信息。在具体的应用场景中,所述待检测环境可以表现为地图应用程序,至少记录不同位置信息的第一路产对象、第二路产对象。
进一步的,预设模块11可以通过高精度采集技术,获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象;
获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象;
至少根据第一路产对象、第二路产对象,生成待检测环境。
当然,在多次路产检测的情况下,预设模块11也可以将上次路产检测状态作为第一路产画面信息或第二路产画面信息。
检测模块12获取检测点坐标信息与移动方向;根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向;根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象;当检测点的坐标信息满足检测条件,获取当前画面信息;识别当前画面信息中的待检测路产对象;计算待检测路产对象与第一路产对象的相似度,生成相似度结果;当相似度结果小于预设阈值,判定第一路产对象需养护。
所述检测点可以理解为路产检测载具100。通常,路产对象分布于检测路径。路产检测载具100在检测路径上移动,利用摄像机对路产状况进行画面拍摄,并对拍摄的画面进行检测,从而提高了路产检测效率。
在检测路径上移动的路产检测载具100具有坐标信息与移动方向。路产检测载具100的坐标信息可以通过全球卫星导航系统(Global Navigation Satellite System,GNSS)或者光学雷达(Light Detection and Ranging,LIDAR)获取。而考虑到路产受损的时间随机、受损路产的位置随机,需要对路产进行持续跟踪、多次采集。如果使用高精度GNSS定位或高精度LIDAR定位,极高的使用成本显然不适用于路产检测这样高频的规模性应用。为降低使用成本,在本申请提供的一种优选实施方式中,路产检测载具100采用标准精度的GNSS获取检测点坐标信息。并在此基础上,采用单目摄像机拍摄当前画面信息,从而进一步降低了本申请的实施成本。
需要再次指出的是,路产对象是一种预设存在,在检测路径上这样的预设存在非常多。而检测模块12仅通过检测对象的坐标信息与移动方向难以判断任意路产对象是否为待检测路产对象。
为便于检测模块12确定待检测路产对象,检测模块12利用待检测环境与真实世界的映射关系,通过根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向;进而根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象;当检测点的坐标信息满足检测条件,获取当前画面信息;识别当前画面信息中的待检测路产对象。
进一步的,所述匹配条件可以表现为,以检测对象在待检测环境中的坐标信息作端点,以检测对象在待检测环境中的移动方向作射线,距离该射线距离最近的路产对象为第一路产对象。
进一步的,所述检测条件可以表现为,当检测点的坐标信息相对第一路产对象的坐标信息满足入画距离,即检测点相对第一路产对象的距离为预先设置的拍摄范围,则启动摄像头进行拍摄,生成当前画面信息。
进一步的,检测模块12可采用预训练的AI识别当前画面信息中的待检测路产对象。
检测模块12计算待检测路产对象与第一路产对象的相似度,实际上是比较画面中的待检测路产对象是否与预先规划的存在相同。如果不同,则意味着预先规划的存在已损坏,呈现为画面中的待检测路产对象。如果相同,则意味着预先规划的存在未被损坏,画面中的待检测路产对象与预先规划的存在呈现一致。
具体的,检测模块12计算待检测路产对象与第一路产对象的相似度可以是计算待检测路产对象与第一路产对象的画面相似度,也可以是计算综合其他因素的相似度。
例如,在本申请提供的一种具体实施方式中,检测模块12计算待检测路产对象与第一路产对象的相似度,生成相似度结果,具体包括:
获取待检测路产对象画面信息;
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为相似度结果。
在本申请提供的另一种具体实施方式中,检测模块12计算待检测路产对象与第一路产对象的相似度,生成相似度结果,具体包括:
获取待检测路产对象画面信息;
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为第一相似度结果;
根据待检测路产对象画面信息,识别待检测路产对象类型;
根据第一路产画面信息,识别第一路产对象类型;
计算待检测路产对象类型与第一路产对象类型的匹配度,作为第二相似度结果;
以预设权重占比计算第一相似度结果、第二相似度结果的总和,得到综合相似度结果。
当然,当检测模块12未识别出当前画面信息中的待检测路产对象,则意味着预先规划的存在消失,判定第一路产对象需养护。
下面介绍路产检测载具100的具体实施过程:
首先,设置单目摄像机的路产检测载具100进行路产巡检。通过标准精度GNSS获取路产检测载具100在现实中的坐标信息和移动方向。
在高精地图应用程序(即待检测环境)中模拟当前路产检测载具100的坐标信息、移动方向、拍摄范围。需要指出的是,所述高精地图应用程序至少记录着多个预设路产对象的现实坐标信息、多个预设路产对象的画面信息。
之后检测模块12以路产检测载具100在高精地图应用程序中的坐标信息作端点,以路产检测载具100在高精地图应用程序中的移动方向作射线,确定距离该射线距离最近的预设路产对象为第一路产对象。则检测模块12在所述高精地图应用程序中可获取第一路产对象的现实坐标信息。
当路产检测载具100相对第一路产对象的距离为预先设置的拍摄范围,则检测模块12启动摄像头进行拍摄,生成当前画面信息。
检测模块12通过预训练的AI视觉捕获当前画面信息中的待检测路产对象。
检测模块12计算待检测路产对象画面信息与第一路产画面信息的相似度,作为第一相似度结果;
计算待检测路产对象类型与第一路产对象类型的匹配度,作为第二相似度结果;
以预设权重占比计算第一相似度结果、第二相似度结果的总和,得到综合相似度结果。
当相似度结果小于预设阈值,检测模块12判定第一路产对象需养护。
当未识别出当前画面信息中的待检测路产对象,检测模块12判定第一路产对象需养护。
综上所述,本申请提供的路产检测载具100,利用摄像机对路产状况进行画面拍摄,并对拍摄的画面进行检测。并且在待检测环境中确定满足匹配条件的第一路产对象,与当前画面信息中的待检测路产对象进行相似度计算,判定第一路产对象是否需要养护。在不使用激光雷达、毫米波雷达等测量技术手段的基础上,以一种较低的实施成本实现检测道路病害这样高频的规模性应用。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,有语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种路产检测方法,其特征在于,包括以下步骤:
获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象;
获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象;
至少根据第一路产对象、第二路产对象,生成待检测环境;
获取检测点坐标信息与移动方向;
根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向;
根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象;
当检测点的坐标信息满足检测条件,获取当前画面信息;
识别当前画面信息中的待检测路产对象;
计算待检测路产对象与第一路产对象的相似度,生成相似度结果;
当相似度结果小于预设阈值,判定第一路产对象需养护。
2.如权利要求1所述的路产检测方法,其特征在于,所述计算待检测路产对象与第一路产对象的相似度,生成相似度结果,具体包括:
获取待检测路产对象画面信息;
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为相似度结果。
3.如权利要求2所述的路产检测方法,其特征在于,所述计算待检测路产对象与第一路产对象的相似度,生成相似度结果,还包括:
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为第一相似度结果;
根据待检测路产对象画面信息,识别待检测路产对象类型;
根据第一路产画面信息,识别第一路产对象类型;
计算待检测路产对象类型与第一路产对象类型的匹配度,作为第二相似度结果;
以预设权重占比计算第一相似度结果、第二相似度结果的总和,得到综合相似度结果。
4.如权利要求1所述的路产检测方法,其特征在于,所述方法还包括:
当未识别出当前画面信息中的待检测路产对象,判定第一路产对象需养护。
5.如权利要求1所述的路产检测方法,其特征在于,所述画面信息由在路面移动的摄像机拍摄;
所述摄像机为单目相机。
6.一种路产检测载具,其特征在于,包括:
预设模块,用于获取第一路产画面信息、第一路产位置信息,建立第一路产画面信息与第一路产位置信息的关联关系,作为第一路产对象;还用于获取第二路产画面信息、第二路产位置信息,建立第二路产画面信息与第二路产位置信息的关联关系,作为第二路产对象;还用于至少根据第一路产对象、第二路产对象,生成待检测环境;
检测模块,用于获取检测点坐标信息与移动方向;还用于根据检测点坐标信息与移动方向,确定检测点在待检测环境中的坐标信息与移动方向;还用于根据检测点在待检测环境中的坐标信息与移动方向,确定待检测环境中满足匹配条件的第一路产对象;还用于当检测点的坐标信息满足检测条件,获取当前画面信息;还用于识别当前画面信息中的待检测路产对象;还用于计算待检测路产对象与第一路产对象的相似度,生成相似度结果;还用于当相似度结果小于预设阈值,判定第一路产对象需养护。
7.如权利要求6所述的路产检测载具,其特征在于,检测模块用于计算待检测路产对象与第一路产对象的相似度,生成相似度结果,具体用于:
获取待检测路产对象画面信息;
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为相似度结果。
8.如权利要求6所述的路产检测载具,其特征在于,检测模块还用于:
计算待检测路产对象画面信息与第一路产画面信息的相似度,作为第一相似度结果;
根据待检测路产对象画面信息,识别待检测路产对象类型;
根据第一路产画面信息,识别第一路产对象类型;
计算待检测路产对象类型与第一路产对象类型的匹配度,作为第二相似度结果;
以预设权重占比计算第一相似度结果、第二相似度结果的总和,得到综合相似度结果。
9.如权利要求6所述的路产检测载具,其特征在于,检测模块还用于:
当未识别出当前画面信息中的待检测路产对象,判定第一路产对象需养护。
10.如权利要求6所述的路产检测载具,其特征在于,所述画面信息由在路面移动的路产检测载具拍摄;
所述检测模块至少包括单目相机;
所述路产检测载具为车或无人机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211692038.0A CN116012611B (zh) | 2022-12-28 | 2022-12-28 | 路产检测方法及载具 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211692038.0A CN116012611B (zh) | 2022-12-28 | 2022-12-28 | 路产检测方法及载具 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116012611A true CN116012611A (zh) | 2023-04-25 |
CN116012611B CN116012611B (zh) | 2023-09-01 |
Family
ID=86034889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211692038.0A Active CN116012611B (zh) | 2022-12-28 | 2022-12-28 | 路产检测方法及载具 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116012611B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117395378A (zh) * | 2023-12-07 | 2024-01-12 | 北京道仪数慧科技有限公司 | 路产采集方法及采集系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018005787A (ja) * | 2016-07-07 | 2018-01-11 | 日本無線株式会社 | レーダ事故検出装置及び方法 |
CN109409546A (zh) * | 2018-12-11 | 2019-03-01 | 四川睿盈源科技有限责任公司 | 高速公路路产管护方法 |
CN109614931A (zh) * | 2018-12-11 | 2019-04-12 | 四川睿盈源科技有限责任公司 | 车载路产巡检管控方法和系统 |
-
2022
- 2022-12-28 CN CN202211692038.0A patent/CN116012611B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018005787A (ja) * | 2016-07-07 | 2018-01-11 | 日本無線株式会社 | レーダ事故検出装置及び方法 |
CN109409546A (zh) * | 2018-12-11 | 2019-03-01 | 四川睿盈源科技有限责任公司 | 高速公路路产管护方法 |
CN109614931A (zh) * | 2018-12-11 | 2019-04-12 | 四川睿盈源科技有限责任公司 | 车载路产巡检管控方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117395378A (zh) * | 2023-12-07 | 2024-01-12 | 北京道仪数慧科技有限公司 | 路产采集方法及采集系统 |
CN117395378B (zh) * | 2023-12-07 | 2024-04-09 | 北京道仪数慧科技有限公司 | 路产采集方法及采集系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116012611B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107643086B (zh) | 一种车辆定位方法、装置及系统 | |
CN109583415B (zh) | 一种基于激光雷达与摄像机融合的交通灯检测与识别方法 | |
CN110418957B (zh) | 对具有运行机构的设施进行状态监控的方法和装置 | |
CN111931565B (zh) | 一种基于光伏电站uav的自主巡检与热斑识别方法及系统 | |
CN113034960A (zh) | 用于更新精密路线地图的对象变化检测系统及其方法 | |
CN107664500B (zh) | 基于图像特征识别的车库车辆定位导航方法 | |
US20180060986A1 (en) | Information processing device, road structure management system, and road structure management method | |
CN101952688A (zh) | 用于与传感器检测到的对象进行地图匹配的方法 | |
CN116012611B (zh) | 路产检测方法及载具 | |
US11551411B2 (en) | Data processor, data processing method, and data processing program for determining correspondence relationships between laser scanning point clouds | |
JP2018180772A (ja) | 物体検出装置 | |
CN105608417A (zh) | 交通信号灯检测方法及装置 | |
KR20060132302A (ko) | 차량항법시스템에서 차량위치를 보정하기 위한 장치 및방법 | |
CN113505638B (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
JP4448233B2 (ja) | 着陸地点探索装置、それを用いた飛行体、および着陸地点評価装置 | |
CN113506261A (zh) | 道路病害检测方法、装置、设备及系统 | |
CN112950717A (zh) | 一种空间标定方法和系统 | |
CN109444904A (zh) | 定位测试数据的生成方法、装置、设备及存储介质 | |
Kukko et al. | Mobile mapping system and computing methods for modelling of road environment | |
CN115752393A (zh) | 一种矿井测量机器人系统棱镜点号识别系统和方法 | |
CN111402574B (zh) | 车辆检测方法、装置、设备和存储介质 | |
CN110220721A (zh) | 一种整车a柱视野评估方法 | |
CN117130010B (zh) | 用于无人驾驶的障碍物感知方法、系统及无人驾驶汽车 | |
CN109784309A (zh) | 一种基于车载相机的高速公路广告牌识别系统及方法 | |
EP4250245A1 (en) | System and method for determining a viewpoint of a traffic camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |